# Learning Lifted Action Models from Traces with Minimal Information About Actions and States

### 저자

Jonas Gosgens, Niklas Jansen, Hector Geffner

### 💡 개요

본 연구는 STRIPS+ 모델에서 추론되는 액션 도메인을 학습하는 문제를 다룹니다. 기존 연구는 액션의 불필요한 인자와 관찰 가능한 상태를 가정하는 한계가 있었으나, 본 연구에서는 액션과 상태에 대한 부분적인 정보만을 포함하는 트레이스(traces)로부터 STRIPS+ 액션 도메인을 학습하는 일반적인 맥락으로 제약을 완화했습니다. 액션 인자에 대한 완전한 관찰 가능성을 가정하되, 상태 관찰 가능성에 대한 세 가지 시나리오(상태 관찰 불가, 일부 술어 완전 관찰, 일부 술어 지역적 관찰)에 대해 알고리즘과 완전성 결과들을 제시합니다.

### 🔑 시사점 및 한계

- 부분적으로만 알려진 액션과 상태 정보를 가진 트레이스로부터도 STRIPS+ 액션 도메인을 학습할 수 있음을 보였습니다.

- 액션 인자의 완전한 관찰 가능성을 가정하지만, 상태 관찰 가능성에 대한 다양한 수준을 고려하여 기존 연구의 한계를 극복했습니다.

- 완전한 상태 관찰이 어려운 실제 환경에서도 액션 도메인 학습이 가능할 수 있다는 가능성을 제시하며, 향후 실제 로봇 제어 및 계획 문제에 적용될 수 있을 것입니다.

- 실험 결과는 보고되었지만, 실제 복잡하고 동적인 환경에서의 성능 검증 및 효율성 향상에 대한 추가 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2605.18627)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).